有隐私，规模关键：差分隐私文本改写中数据集大小的重要性
计算与语言
2025-11-04 v1
摘要
差分隐私自然语言处理 (DP NLP) 最近领域提出了众多有前景的文本改写技术。在评估这些技术时，常被忽视的一个方面是数据集大小，或者说数据集大小对改写机制在实用性和隐私保护方面效果的影响。本文首次将这一因素纳入 DP 文本隐私化评估中，我们设计了在大规模数据集上进行动态划分大小的实用性和隐私测试。我们在规模不同的语料库上进行测试，数据集规模可达百万文本，重点量化数据集规模增加对隐私-实用性权衡的影响。我们的发现表明，数据集大小在评估 DP 文本改写机制中起着核心作用；此外，这些发现也呼吁在 DP NLP 中采用更严谨的评估程序，并为 DP NLP 在实际场景中的规模化应用指明了方向。
引用
@article{arxiv.2511.00487,
title = {With Privacy, Size Matters: On the Importance of Dataset Size in Differentially Private Text Rewriting},
author = {Stephen Meisenbacher and Florian Matthes},
journal= {arXiv preprint arXiv:2511.00487},
year = {2025}
}
备注
11 pages, 1 figure, 5 tables. Accepted to IJCNLP-AACL 2025 (Main)